计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
态势感知 SA
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive
本文导读

步骤1:流程设计

更新时间:2024-11-12 GMT+08:00

本入门指南以某市出租车出行数据为例,统计某出租车供应商2017年度的运营数据。基于需求分析业务调研,数据治理业务流程设计如图1所示,后续的数据治理操作均基于本业务流程完成。

图1 流程设计

需求分析

通过需求分析,可以提炼出数据治理流程的实现框架,支撑具体数据治理实施流程的设计。

在本示例场景下,当前面临的数据问题如下:
  • 未建立标准化模型
  • 数据字段命名不标准、不规范
  • 数据内容不标准,数据质量不可控
  • 统计口径不一致,困扰业务决策
通过DataArts Studio实施数据治理,期望能够达到以下目标:
  • 数据标准化、模型标准化
  • 统一统计口径,提供高质量数据报告
  • 数据质量监控告警
  • 统计每天收入
  • 统计某月收入
  • 统计不同支付类型收入占比

业务调研

在开始使用DataArts Studio前,您可以通过业务调研,明确业务过程中所需的DataArts Studio组件功能,并分析后续的业务负载情况。

表1 业务调研表

序号

收集项

需收集信息描述

调研结果

填写说明

1

工作空间

企业大数据相关部门的组织和关系调查

本示例不涉及

用于合理规划工作空间,降低空间相互依赖的复杂度

各组织部门之间对数据、资源的访问控制

本示例不涉及

涉及到用户的权限和资源权限控制

2

数据集成

有哪些数据源要迁移,数据源版本

CSV格式的数据,存储于OBS桶

-

每种数据源的数据全量数据规模

2,114 字节

-

每种数据源每天的增量数据规模

本示例不涉及

-

迁移目的端数据源种类以及版本

迁移到MRS Hive3.1

-

数据的迁移周期:天、小时、分钟还是实时迁移

-

数据源与目的数据源之间的网络带宽

100MB

-

数据源和集成工具之间的网络连通性描述

本示例不涉及

-

数据库类迁移,调研表的个数,最大表的规模

本示例不涉及,本示例需要从OBS文件迁移到数据库

了解数据库迁移的作业规模,了解最大表的迁移时间是否可接受

文件类迁移,文件的个数,有没有单文件超过TB级文件

本示例的CSV文件仅1个,未超过TB级

-

3

数据开发

是否需要作业编排调度?

-

编排调度会涉及哪些服务,例如MRS、DWS、CDM等?

本示例涉及DataArts Studio数据集成和数据质量、MRS Hive

了解作业的场景,用于进一步调查平台能力与客户场景匹配度

作业数量规模是多少?

本示例作业数量在20个以内

大致了解作业的规模,通常用算子数来描述,可通过表的数量估计

每日作业调度次数是多少?

没有特殊要求,次数不限

根据DataArts Studio各销售版本的调度限额,确定DataArts Studio的版本

数据开发人员的数量是多少?

1个

-

4

数据架构

数据现状,有哪些数据源,多少张表?

本示例的CSV文件仅1个

原始端分析, 了解数据来源与整体概况

业务需求,有哪些业务,有什么需求, 想要获得什么价值?

数据标准化、模型标准化,并灵活统计收入情况

目的端分析,了解数据治理以及数字化是为了什么

数据调研,数据概况,数据标准程度,行业标准概况?

本示例不涉及

过程端分析,了解数据治理过程需要做到的标准与质量的遵从

5

数据质量

有哪些需求,需要获得什么价值?

监控数据质量

支持更多数据源和更多规则的监控

作业数量规模是多少?

本示例仅1个

用户可手动创建几十个作业,也可以在数据架构中配置自动生成数据质量作业。如果调用数据质量监控的创建接口,则可创建超过100个质量作业

用户的使用场景?

对DWI层数据进行标准化清洗

一般在数据加工前后,对数据的质量通过六大维度的规则进行质量监控,当发现不符合规则的异常数据时向用户发送报警

6

数据目录

需要支持哪些数据源?

MRS Hive

-

数据资产的数量规模有多大?

本示例表在百级以内

最大可支持100w数据表的管理

元数据采集的调度频率是多少?

本示例不涉及

支持按照小时、天、周为周期运行采集任务

元数据采集的重要指标包括什么?

本示例不涉及

表名称、字段名称、责任人、描述信息、创建时间等

标签的使用场景是什么?

本示例不涉及

标签是相关性很强的关键字,帮助用户对资产进行分类和描述,方便用户进行查询

7

数据安全

需要对哪些数据源进行访问管理?

本示例不涉及

支持DLI、DWSHive等数据源

需要支持静态脱敏?

本示例不涉及

支持对DLI、DWS和Hive数据源数据进行静态脱敏

需要支持动态脱敏?

本示例不涉及

支持对DWS和Hive数据源数据进行动态脱敏

需要支持数据水印?

本示例不涉及

支持对Hive数据源数据进行数据水印嵌入

需要支持文件水印?

本示例不涉及

支持对结构化数据文件注入暗水印,支持对非结构化数据文件注入明水印

需要支持动态水印?

本示例不涉及

支持对Hive和Spark数据源数据配置动态水印策略

8

数据服务

需要开放哪些数据源数据?

本示例不涉及

支持DLI、DWS和MySQL等数据源

每日数据调用量是多少?

本示例不涉及

若取数逻辑复杂造成数据库响应时间较长,调用量会下降

每秒数据调用量峰值是多少?

本示例不涉及

根据不同规格和具体的取数逻辑有所增减

单次数据调用平均时延是多少?

本示例不涉及

数据库响应耗时与用户取数逻辑相关

是否需要数据访问记录?

本示例不涉及

-

数据访问方式,内网还是外网?

本示例不涉及

-

数据服务开发人员数量是多少?

本示例不涉及

-

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容